使用 Oracle Data Mining 解决业务问题(一)

目的

　　本教程介绍如何使用 Oracle Data Mining 解决业务问题。

　　所需时间

　　大约 2 个小时

　　主题

　　本教程包括下列主题:

　　概述

　　情景

　　前提条件

　　启动 Oracle Data Miner

　　为数据挖掘准备数据

　　使用挖掘活动指南

　　总结

　　注意:此外，您还可以在下列步骤中将鼠标放在每个单独的图标上，从而仅加载和查看与该步骤相关的屏幕截图。您可以单击单个屏幕截图将其隐藏。

　　概述

　　数据挖掘有时称为知识发现 — 其目的是提供其他方法无法找到可执行 (actionable) 信息。该信息可以改进您业务的运作。例如，假设一个营销活动产生 2% 的积极响应。如果数据挖掘有助于使该活动专门针对最可能响应的人，从而产生 3% 的响应，则该业务将增加 50% 的利润。

　　可以把数据挖掘分为两类“学习”。

　　监管的学习目的是预测描述某个行为的特定特征或属性的值。预测的属性称为“目标属性”。

　　无监管的学习目的是发现关系和模式而非确定具体的值。这种情形下，没有“目标属性”。

　　Oracle Data Mining 是 Oracle 数据库中内嵌的强大的数据挖掘软件，它使您能够揭示隐藏在数据中的新洞察。Oracle Data Mining 能够帮助企业瞄准最佳客户、发现和防止欺诈、发现对关键绩效指标 (KPI) 最有影响的属性，以及发现隐藏在数据中的有价值的新信息。Oracle Data Mining 帮助技术专家找出数据中的模式、识别关键属性、发现新的集群和关联，并揭示有价值的洞察。

　　Oracle Data Mining 使公司能够:

　　了解更多信息利用您的数据并发现以前隐藏的有价值的新信息和见解。

　　进行更多操作 构建自动提取和传播新信息和见解的的应用程序。

　　花费更少 Oracle Data Mining 比传统方法要便宜得多，作为您在 Oracle 技术中投资的一部分，它可以显著降低您的总拥有成本。

　　Oracle Data Mining 超越了标准查询和报表工具以及联机分析处理 (OLAP) 工具。查询和报表工具以及 OLAP 工具可以告诉您谁是您的重要客户，哪些产品卖的最多，以及哪些方面的成本最高。使用 Oracle Data Mining，您可以实施策略来:

　　预测和防止客户流失

　　获得新客户并识别最能带来收益的客户

　　识别会成功的交叉销售机会

　　洞察违规的和欺诈性的活动

　　发现新的集群或片断

　　开发客户概要文件

　　识别药物发明中的可能目标和有希望的线索

　　找出同时出现的项目和/或事件的关联关系

　　挖掘非结构化数据，即文本。

　　传统商务智能 (BI) 工具(例如，报表工具、交互式查询和报表工具以及联机分析处理 (OLAP) 工具)只报告过去发生的事情。而 Oracle Data Mining (ODM) 使您能够超越传统 BI 和报表工具，使您可以挖掘您的数据以及构建高级数据挖掘应用程序。ODM 使您能够发现新见解、片断和关联，进行更准确的预测，找到最能影响您业务的变量，而且通常从您的数据提取更多信息。例如，通过分析您最佳客户的个人信息，ODM 使您能够构建数据挖掘模型和集成的应用程序，来识别将来可能成为您最佳客户的客户。这些客户可能不表现为您目前最有价值的客户，但可能与您当前最佳客户的有相似的个人信息。此外，使用 ODM，您可以进行更多操作并将预测模型实现为一个定期运行的生产应用程序，该应用程序在每个周一早上将您最有希望的客户列表分发到您的销售团队。了解您客户的战略价值(哪些可能成为将来能带来收益的客户或者相反)，或者预测哪些客户可能热衷或响应营销策略，而且将该信息集成到您的运营中对于积极管理业务来说是至关重要的。

使用 Oracle Data Mining 解决业务问题的阶段如下所示:

　　就数据挖掘和业务目标而言的问题定义

　　数据获取和准备

　　构建和评估模型

　　部署。

　　注意:本教程并不打算完整介绍 Oracle Data Mining。它只是介绍了进行某些常见数据挖掘操作所需的技术。如果您需要有关其中某些主题的更多背景信息，请参阅《Oracle Data Mining 概念指南》。

　　情景

　　一个电子产品连锁店想为客户发打折卡，但只想发给那些预期将因为此卡而增加购买量(从而使公司增收)的客户。因此根据在一部分客户中开展了一个试验性的促销活动，并将结果汇总到一个表中，其中包含客户人口统计信息、采购模式以及每个客户所带来收入的测算。

　　然后使用一个描述试验性促销活动中的客户和结果的数据集创建可以应用于所有客户的模型，以便预测使用打折卡的每个客户的预期收入级别 — 将预测的目标属性为 AFFINITY_CARD，它的值可以是 0(低利润)或 1(高利润)。不同的目标值(在本例中为 0 或 1)有时称为目标类，因此预测每个客户的目标值称为“分类”。

　　前提条件

　　开始本教程之前，您应该:

　　1.完成了教程在 Windows 上安装 Oracle 数据库 10g。

　　2.完成教程:安装 Oracle Data Miner 10g 第 2 版。

　　返回主题列表

　　启动 Oracle Data Miner

　　要启动 Oracle Data Miner，执行以下操作。

　　1.双击 /bin/odminerw.exe。

　　

　　2.要以 dmuser1 连接，单击 OK。

　　

　　3.您可能想在您的用户架构中确认示例表和视图。展开 Data Sources > dmuser1。

　　这将显示表和视图。单击 Tables 查看表;单击 Views 获取视图列表。

　　

为数据挖掘准备数据

　　Data Mining 过程中使用的数据通常必须从不同位置收集。此外，准备数据进行 Data Mining 操作可能需要对数据进行某种变换。Oracle Data Mining 有很多强大的实用程序，可用于取样、记录、离散和创建新变换的属性。

　　在本部分中，您将执行以下任务:

　　显示数据和统计信息

　　使用数据变换向导

　　显示数据和统计信息

　　执行以下步骤:

　　1.可以显示表或视图的结构。单击 MINING_DATA_BUILD_V。

　　

　　2.单击 Data 选项卡查看内容示例。

　　

　　滚到窗口右侧查看完整的详细信息

　　

　　注意:默认显示记录数为 100;在 Fetch Size 窗口中输入不同的数，然后单击 Refresh 更新显示的大小。此外，可以单击 Fetch Next 增加显示的行。

3.右击 MINING_DATA_BUILD_V 显示具有更多选项的菜单。可以使用 Transformation 向导和其他工具进行数据发掘。

　　

　　4.要查看统计汇总，可以根据数据格式类型单击两个选项之一。单击 Show Summary Single-Record。

　　

　　您的输出应该如以下图像所示:

　　

　　对于每个数值性属性，显示了 Maximum 和 Minimum 值以及平均值和变量。这些统计信息基于示例计算而来。本例中的示例大小是 999。可以通过调整 ODM Preferences(位于 Tools 下拉菜单)来更改示例大小。

　　5.对于任何突出显示的属性，可以查看值的分类。

　　a.突出显示 AFFINITY_CARD。

　　

b.单击 Histogram。

　　

　　默认 bin 最多为 10;可通过单击 Preferences 更改该数字。

　　数值性属性分为最小和最大之间等宽的指定 bin 数。这些 bin 以属性值的升序显示。分类属性使用“Top N”方法(N 是 bin 的数量)划分 bin。出现频率最多的 N 值有自己的 bin，其他值放入一个标记为“Other”的 bin 中。这些 bin 以 bin 大小的降序显示。

　　当检查完时，单击 OK，然后关闭 Data Summarization Viewer 窗口。

　　使用数据变换向导

　　Mining Activity Guides 帮助您将不同源中的数据汇总到一个视图或表中。此外，它们执行特定算法所需的变换。但是，使用以下数据变换向导通常可以单独完成某些转换。

　　筛选器

　　重新编码

　　派生字段

　　在本教程中，您将学习如何使用 Filter Single -Record Transformation 向导。

　　假设您只想关注 21 岁到 35 岁之间的客户，则可以筛选数据从而只包括那些人。Oracle Data Miner 提供筛选变换来基于属性值定义数据子集。执行以下步骤:

　　1.单击 Data > Transform > Filter Single-Record。

　　

　　2.在 Welcome 页面中单击 Next。

　　3.识别输入数据并单击 Next。本例中使用的视图是 MINING_DATA_BUILD_V。

　　

　　注意:如果通过您右击该表或视图名访问该向导，则会因该数据是已知的而跳过该步骤。

　　4.为所得视图输入名称，然后单击 Next。

　　

　　5.在 Filter 文本框中输入筛选条件。此外，要在对话框中构造条件，单击 Filter 域右边的图标。